技能了解其邻居：用于技能检索的集群对比能力页面

随着技能库的增长，大语言模型 代理必须从通常共享相同主题和词汇但实现不同功能的候选人中检索可重用的技能。检索不仅受到评分者的限制，还受到评分文本的限制：文档可能描述一项技能的用途，但没有说明哪些类似的请求应该路由到其他地方。我们将技能的能力形式化为其\emph{可执行区域}，即它可以解决的一组查询，并将其文档视为对该区域的有损观察。此视图暴露了文档强加的检索错误组件，该组件无法通过单独改进 检索器 来消除。因此，我们提出 \emph{Capability Pages}，即包含正触发 $\Tpos$、负边界 $\Tneg$ 和判别体 $B$ 的集群对比技能表示。离线编译器会比较相邻的技能来编写这些字段。在推理时，索引使用 $\Tpos$ 和 $B$ 进行候选召回，而路由器使用 $\Tneg$ 拒绝易混淆的替代方案。在包含来自六个数据集的 26{,}262 项技能和 5{,}400 个问题的 SRA-Bench 上，能力页面改进了所有五个测试 检索器 的 Recall@10，平均收益为 2.94个百分点。将 $\Tneg$ 添加到候选卡中，四个执行器和六个数据集的端到端任务成功率平均提高了 $3.62$ 点。使用相同的编码器在不同条件下对中文 SSL-SkillDiscovery 进行的传输评估达到 $73.07\%$ MRR@50。能力页面无需修改在线模型；他们通过重写离线技能库来改进路由。